单传感器中两路同频调幅信号的盲分离算法

首先描述了同频调幅信号的射频多相位混叠模型，提出了一种多相位映射的新方法。该方法可以在单载频单传感器情况下实现至多两路信号混叠矩阵的重建，然后采用独立分量分析的相关算法实现了信号的盲分离。仿真结果表明：本算法不仅能解决两路混叠调幅信号的分离问题，而且能有效地抑制带通强噪声干扰。实验中被带通噪声完全淹没的信号最终的分离信噪比均值达到50dB。     

蚁群聚类的欠定盲源分离方法

利用欠定盲源分离情况下稀疏源信号具有直线聚类的特点,提出了一种估计混叠矩阵的新方法。通过对混叠信号进行标准化处理,使混叠信号形成球形簇,将线性聚类转变成致密聚类;利用蚁群聚类算法对其进行搜索得到聚类中心,从而获得对混叠矩阵的精确估计。该方法能实现源信号数目未知情况下的欠定盲源分离,且能推广到三路或更多路观测信号的情况。对语音信号的仿真结果证明,该方法能精确地分离和恢复原始信号。     

多个源信号混叠的盲分离几何算法

该文提出了一种多个均匀分布的源信号混叠的盲分离几何算法,该算法以矩阵的QR分解原理为分离的理论指导,并结合信号在各个阶段其scatter图所具有的特殊几何性质,首先将混叠信号进行白化,使其scatter图恢复为独立时的scatter图形状,然后将白化后的scatter图通过C：次旋转变换,使其与各坐标轴平行,从而得到n个信号的分离．该方法第一次从代数上给出了几何算法的理论指导,从而真正得到了几何算法向多个信号混叠的推广．该算法不仅计算简单,同时有很好的仿真分离效果．在三个信号混叠的情况下,相对于Hyvarinen（2000）在分离时间上缩短了近30％．     

基于QR分解的盲源分离几何算法

提出了一类新的实时线性混叠信号盲分离算法,该算法基于混叠矩阵的QR分解思想,结合均匀分布的源信号相互独立时其Scatter图具有的特殊形状以及与坐标轴平行的几何性质,导出了一类盲源分离的几何算法.本文的方法相对Taro和Hyvarinen而言,大大简化了其分离过程,从而缩短了分离时间.仿真结果表明,对同样两幅混叠图像的分离,在效果相当的情况下,本文算法的分离时间比Hyvarinen的分离时间缩短了约2.5倍.     

盲源分离的一种时频比方法

在M.Puigt和Y.Deville提出的时频盲源分离算法基础上,引入S变换来获取非平稳信号的多分辨率特性。首先通过S变换将一维混叠信号映射到二维时频平面,然后构造不同混叠信号的时频比矩阵,通过在时频比矩阵范围内搜索单源分析域计算混合阵的每个元素,进而估计源信号。该方法能有效分离非平稳信号且具备多分辨率特性。     

基于信号稀疏特性和核函数的非线性盲信号分离算法

文章结合核函数,把基于信号稀疏特性的线性盲分离方法应用于非线性混叠情况而给出了一种非线性混叠信号盲分离算法。该算法首先将混叠信号映射到高维核特征空间,其次,在核特征空间中构造一组正交基,通过这组正交基将高维核特征空间的信号映射到这组正交基张成的参数空间中,从而把非线性混叠信号盲分离问题转化为参数空间的线性混叠信号盲分离问题。最后,在参数空间中,应用基于信号稀疏特性的线性盲分离方法对信号进行分离。该算法收敛精度较高,稳定性好。仿真结果表明该算法是有效的,具有良好的分离性能。     

基于PID神经网络的后非线性盲源分离算法

PID神经网络是一种新型的前向神经元网络，它的隐层单元包含比例（P）、积分（1）、微分（D）元，各层神经元个数、连接方式、连接权初值均按PID控制规律的基本原则确定。本文研究了一种新的后非线性盲源分离算法，用最大熵值方法推导了PID神经网络算法的后非线性分离学习公式，该算法可用于线性或后非线性的混叠信号。对输入2个混叠信号时，用单个PI神经网络分离；对输入3个混叠信号时，用单个PID神经网络分离；对输入更多的混叠信号时，可采用多个独立的PID神经网络来分离。仿真结果验证了单个PID神经网络算法，能分离线性或后非线性混叠信号。     

基于最大信噪比的盲源分离算法

提出一种新的低计算复杂度的瞬时线性混叠信号的盲分离算法,该算法利用统计独立信号完全分离时信噪比量大作为分离准则。源信号用估计信号的滑动平均代替,把源信号和噪声信号协方差矩阵的函数表示成广义特征值问题,通过广义特征值问题求解分离矩阵不需要任何迭代运算。和典型的信息理论方法相比,该算法的优点是具有非常低的计算复杂度。计算机模拟实验证明,该算法能够分离线性混合的超高斯和亚高斯源信号,并且可以有效地分离语音信号。     

基于QR分解与罚函数方法的盲分离算法

基于信号的白化变换及矩阵的QR分解理论，提出了一种新的盲分离算法。该算法将对混叠矩阵的辨识转化成对一系列Givens矩阵的辨识，从而减少了对n^2-c^2n个未知矩阵元素的辨识，降低了其计算量。另外，在对未知元素进行辨识时，采用了改进的罚函数算法，这样又大大提高了算法的收敛性能。仿真结果表明，该算法不仅缩短了分离时间，而且有很好的分离效果。     

欠定盲分离中源的个数估计和分离算法

在盲分离问题中,独立元分析一直是一个主要的研究方向,但是该方法不能直接推广到欠定混叠情形.考虑到大量的客观信号具有稀疏特性,稀疏元分析方法引起了人们的广泛关注,其中典型的是"二步法",即先计算混叠矩阵,再分离所有源信号,该方法能够较好地实现欠定混叠情况下的盲分离.在计算混叠矩阵时,通常利用K-均值聚类等,这类方法的成功依赖于聚类数目也即信号源个数的先验知识,而在盲分离问题中,如何估计信号源个数一直是一个很棘手的问题.文中采用模糊聚类方法来确定信号源的个数,同时计算出欠定混叠矩阵,进而利用最短路径法来恢复源信号.该方法进一步完善了"二步法",仿真显示了文中算法的有效性与鲁棒性.     

基于Givens变换和二阶振荡W-C-PSO优化的盲源分离算法

针对智能算法在实现盲源分离时容易陷入局部最优且收敛速度缓慢的问题,提出一种基于Givens变换和二阶振荡粒子群优化的盲源分离算法。该算法首先将惯性权重与学习因子两个参数构造函数关系,使之共同调节算法迭代来提高算法的整体性与全局搜索能力;再引入二阶振荡环节增加种群的多样性,这样算法不易陷入局部最优;此外,采用Givens变换将分离矩阵转换成旋转角度表示形式来降低算法的复杂度。仿真表明,该算法能有效实现机械振动信号和语音信号的盲分离,并且相比其他算法具有更快的收敛速度和更好的分离性能。     

基于改进的萤火虫优化算法的混合语音盲分离

针对传统盲源分离优化算法对分离性能影响较大的局限性,提出了一种基于改进的萤火虫优化的混合语音盲分离算法。将萤火虫的飞行跨度由固定取值变为由新构造的函数自适应调整,在加快收敛速度的同时避免算法早熟现象的发生。实验结果表明,与基于自然梯度、标准萤火虫和粒子群优化的盲分离算法相比,新算法对混合语音信号的分离效果较好,在收敛速度和分离能力方面都有所提升。     

基于最小二乘方的语音信号实时盲分离

研究语音信号盲分离的实时算法.盲信号分离技术在视频会议系统、语音信号预处理以及生物医学信号处理中都得到广泛应用.在本文中,利用最小二乘方原理并结合语音信号非平稳的特点,对混合语音信号进行实时分离.实验结果表明,基于最小二乘方的算法是非常有效的实时盲信号分离算法.     

基于改进弦截法的FastICA算法研究

盲源分离问题是信号处理领域中的研究热点之一。众多盲源分离算法中固定点算法（FastICA）因其收敛速度快而备受关注,但是FastICA算法的收敛性易受初始解混矩阵的初值选择影响。针对FastICA算法的不足进行了改进,引入梯度下降法降低初值选择敏感性,并且提出改进弦截法,加快收敛速度。实验结果显示,基于改进弦截法的FastICA算法与其他FastICA算法相比,不但提高了算法的分离性能,而且减少了迭代次数,增强了收敛稳定性。所以,改进的FastICA算法克服了初值选择敏感的影响,获得更快速、更鲁棒的语音分离性能。     

改进FOA算法在语音信号盲分离中的应用

简要介绍了果蝇优化算法的基本理论,针对FastICA等算法的稳定性和收敛性不够,而粒子群优化的盲分离运算速度慢的问题,将改进的果蝇优化算法应用到盲源分离研究中,提出了一种基于改进的果蝇优化的盲源分离算法。算法以信号的规范四阶累积量为代价函数,以改进果蝇算法对代价函数求极值,逐一确定分离向量,完成对线性瞬时混合语音信号的分离。仿真结果表明,算法能够有效实现对各混合语音信号的有序盲分离,且分离顺序能够确保按照源信号的规范四阶累积量绝对值的降序进行,分离精度也有一定的提高。     

An O(n+m) Certifying Triconnnectivity Algorithm for?Hamiltonian Graphs

A graph is triconnected if it is connected, has at least 4 vertices and the removal of any two vertices does not disconnect the graph. We give a certifying algorithm deciding triconnectivity of Hamiltonian graphs with linear running time (this assumes that the cycle is given as part of the input). If the input graph is triconnected, the algorithm constructs an easily checkable proof for this fact. If the input graph is not triconnected, the algorithm returns a separation pair.     

超高频射频识别标签数据盲分离算法

提出了一种新的基于ICA的超高频(Ultra high frequency,UHF)射频识别(Radio frequency identification,RFID)多标签混合数据盲分离算法。在分析UHF RFID系统链路传输模型、标签数据编码规则以及多天线RFID系统模型的基础上,得出UHF RFID多标签混合数据符合ICA算法要求的结论,并利用FastICA算法对UHFRFID仿真数据进行了盲分离,定量分析了算法的分离效果及抗噪声性能。实验结果表明,利用ICA技术对多标签混合数据进行盲分离可获得良好的效果。这为将盲分离技术应用于UHF RFID系统标签防碰撞算法奠定了良好的理论和实验依据。     

Asymptotic agreement and convergence of asynchronous stochastic algorithms

In this paper, we present results on the convergence and asymptotic agreement of a class of asynchronous stochastic distributed algorithms which are in general time-varying, memory-dependent, and not necessarily associated with the optimization of a common cost functional. We show that convergence and agreement can be reached by distributed learning and computation under a number of conditions, in which case a separation of fast and slow parts of the algorithm is possible, leading to a separation of the estimation part from the main algorithm.     

基于盲信号分离的混合气体分析

结合盲信号分离算法和热催化传感器特性,对混合气体进行分析,讨论了混合气体分析的盲可分离性,并使用基于峭度的盲信号分离算法对CH4和CO的混合气体进行分析和验证。实验结果表明,此方法无须预先假设源信号的概率密度函数(PDF),可在学习过程中直接判断信号的PDF并进行分离,提高了混合气体分析的可行性,实验结果为CH4的测量误差为4.27%,CO的测量误差为3.51%。     

一种并行主偏度分析算法及其在盲源分离上的应用

盲源分离是一种从混合信号中提取和恢复源信号的信号处理方法。在众多盲源分离算法中,主偏度分析算法是近年来出现的一种以三阶统计量为目标函数的盲源分离算法,其运算速度快于常规的盲源分离算法,但因其采用了串行的计算方式,在使用中存在误差累积问题。针对这一问题,本文在主偏度分析算法基础上进行改进,提出了一种并行主偏度分析算法。该算法以并行计算代替串行计算,可以同时估计出各个独立成分对应的方向,避免了误差累积问题。数值仿真实验表明,与主偏度分析算法相比,并行主偏度分析算法既保持了计算速度,同时提高了对源信号的估计准确性。